Метрики – это «священная корова» любого аналитика. Из-за них мы не спим ночами, а продакты рвут на себе волосы. Решил написать серию постов про метрики, начнем с определения.
Метрика – это качественный или чаще количественный показатель, который отражает ту или иную характеристику, уровень успешности маркетинга, продукта и бизнеса в целом.
Метрики помогают объективно взглянуть на продукт и понять, нужен ли он пользователям, оправдывает ли ожидания бизнеса и принимать на их основе решения.
Хорошая метрика всегда:
1️⃣ чувствительна к изменениям в продукте и лояльности пользователей
2️⃣ управляема и на нее можно повлиять
3️⃣ понятна и растет при улучшениях
4️⃣ сравнима с собой и с рынком
5️⃣ мотивирует действовать, а не прокрастинировать.
В качестве примера приведу такие популярные метрики как DAU и ROMI:
▫️DAU (Daily Active Users) – количество уникальных пользователей, которые открыли сайт или приложение в конкретный день.
Считаем метрику так: приложение установили 10 человек. На следующий день зашли в него 5, DAU будет равен 5, даже если кто-то зашел несколько раз. Если на следующий день никто из 10 пользователей не откроет приложение, то DAU будет равен 0.
▫️ ROMI (Return on Marketing Investment) – коэффициент рентабельности инвестиций в маркетинг, который отражает окупаемость вложений по формуле:
ROMI = (Доходы от маркетинга - Расходы на маркетинг) / Расходы на маркетинг × 100%
У каждой сферы бизнеса свой идеальный показатель ROMI, но он точно должен быть больше 0%, так как это точка безубыточности: такой показатель говорит о том, что инвестиции возвращаются без дохода. Показатель ROMI меньше 0% говорит о том, что вложения в маркетинг не окупаются.
Например, интернет-магазин запустил рекламу стоимостью 3000₽. Она привела покупателей, потративших 9000₽. Тогда ROMI составит (9000 - 3000) / 3000 × 100 = 200%. Вложения окупились и принесли сверху в два раза больше.
Метрик много, они бывают маркетинговыми, продуктовыми и бизнес. Для их систематизации и поиска зависимостей используют различные фреймворки, о которых я расскажу далее под хэштегом #метрики.
Метрика – это качественный или чаще количественный показатель, который отражает ту или иную характеристику, уровень успешности маркетинга, продукта и бизнеса в целом.
Метрики помогают объективно взглянуть на продукт и понять, нужен ли он пользователям, оправдывает ли ожидания бизнеса и принимать на их основе решения.
Хорошая метрика всегда:
1️⃣ чувствительна к изменениям в продукте и лояльности пользователей
2️⃣ управляема и на нее можно повлиять
3️⃣ понятна и растет при улучшениях
4️⃣ сравнима с собой и с рынком
5️⃣ мотивирует действовать, а не прокрастинировать.
В качестве примера приведу такие популярные метрики как DAU и ROMI:
▫️DAU (Daily Active Users) – количество уникальных пользователей, которые открыли сайт или приложение в конкретный день.
Считаем метрику так: приложение установили 10 человек. На следующий день зашли в него 5, DAU будет равен 5, даже если кто-то зашел несколько раз. Если на следующий день никто из 10 пользователей не откроет приложение, то DAU будет равен 0.
▫️ ROMI (Return on Marketing Investment) – коэффициент рентабельности инвестиций в маркетинг, который отражает окупаемость вложений по формуле:
ROMI = (Доходы от маркетинга - Расходы на маркетинг) / Расходы на маркетинг × 100%
У каждой сферы бизнеса свой идеальный показатель ROMI, но он точно должен быть больше 0%, так как это точка безубыточности: такой показатель говорит о том, что инвестиции возвращаются без дохода. Показатель ROMI меньше 0% говорит о том, что вложения в маркетинг не окупаются.
Например, интернет-магазин запустил рекламу стоимостью 3000₽. Она привела покупателей, потративших 9000₽. Тогда ROMI составит (9000 - 3000) / 3000 × 100 = 200%. Вложения окупились и принесли сверху в два раза больше.
Метрик много, они бывают маркетинговыми, продуктовыми и бизнес. Для их систематизации и поиска зависимостей используют различные фреймворки, о которых я расскажу далее под хэштегом #метрики.
🔥18👍12❤2
Дайджест интересных статей за прошедшую неделю.
Креативная аналитика – это сбор и анализ данных, относящихся к маркетинговым материалам или рекламными креативам. Данные анализа покажут, как улучшить креативы и повысить ROAS и ROI. В статье Appsflyer пошагово рассказывается, как использовать креативную аналитику. Помимо ROAS и ROI, стоит отслеживать и другие метрики, например количество показов и CVR.
Аналитика всегда идет рука об руку с диджитал маркетингом, поэтому делюсь полезной статьей от Appsflyer по автоматизации мобильного маркетинга. Сегодня это единственный способ масштабировать усилия маркетологов. Автоматизировать стоит разбивку аудитории на таргетные группы, A/B тестирование, привлечение рефералов, предоставление динамически персонализированного контента и предсказание поведения пользователя на основе прошлого опыта.
Рома Бунин в канале Reveal the data делится чек-листом, когда разрабатывать дашборд – плохая идея. Первым делом задаем вопрос: «Зачем дашборд?». И не тратим на него время, если требуется следить за коротким проектом, за изменением показателей вместо системы алертов, для смены настроек в других системах и отслеживания «нечисловых» целей.
Статья от Maven Analytics (VPN) рассказывает про 8 типичных ошибок в построении дашбордов. Загибайте пальцы, если косячите:
🔹ненужные визуальные элементы, которые автор обзывает как chartjunk;
🔹нет внятного пояснения данным;
🔹бессмысленные заголовки;
🔹неподходящий тип диаграмм;
🔹неподходящие цвета или цвета, которые путают;
🔹пестрый фон;
🔹грамматические ошибки;
🔹круговая диаграмма с кусками больше 5.
Там же вы найдете и хорошие примеры дашбордов.
#дайджест
Креативная аналитика – это сбор и анализ данных, относящихся к маркетинговым материалам или рекламными креативам. Данные анализа покажут, как улучшить креативы и повысить ROAS и ROI. В статье Appsflyer пошагово рассказывается, как использовать креативную аналитику. Помимо ROAS и ROI, стоит отслеживать и другие метрики, например количество показов и CVR.
Аналитика всегда идет рука об руку с диджитал маркетингом, поэтому делюсь полезной статьей от Appsflyer по автоматизации мобильного маркетинга. Сегодня это единственный способ масштабировать усилия маркетологов. Автоматизировать стоит разбивку аудитории на таргетные группы, A/B тестирование, привлечение рефералов, предоставление динамически персонализированного контента и предсказание поведения пользователя на основе прошлого опыта.
Рома Бунин в канале Reveal the data делится чек-листом, когда разрабатывать дашборд – плохая идея. Первым делом задаем вопрос: «Зачем дашборд?». И не тратим на него время, если требуется следить за коротким проектом, за изменением показателей вместо системы алертов, для смены настроек в других системах и отслеживания «нечисловых» целей.
Статья от Maven Analytics (VPN) рассказывает про 8 типичных ошибок в построении дашбордов. Загибайте пальцы, если косячите:
🔹ненужные визуальные элементы, которые автор обзывает как chartjunk;
🔹нет внятного пояснения данным;
🔹бессмысленные заголовки;
🔹неподходящий тип диаграмм;
🔹неподходящие цвета или цвета, которые путают;
🔹пестрый фон;
🔹грамматические ошибки;
🔹круговая диаграмма с кусками больше 5.
Там же вы найдете и хорошие примеры дашбордов.
#дайджест
👍11❤3
Дайджест интересного за неделю.
Очистка данных – один из ключевых навыков дата саентиста. В статье на Medium автор разобрал (VPN), как распознать 5 ловушек, которые скрывают данные, и не угодить в них. Ловушки бывают разных видов:
- потерянные данные,
- отклоняющиеся значения,
- несогласованные данные,
- проблемы с типом данных,
- дубликаты.
В качестве единого решения автор предлагает перенять культуру написания юнит тестов для автоматизации задач по очистке данных и документировать процесс очистки внутри компании.
Яков Осипенков опубликовал руководство, как Python поможет отправить запросы к API GA4, выгрузить данные по стандартным отчетам и сохранить статистику локально. Алгоритм включает в себя: создание проекта в Google Colab для работы с API, добавление сервисного аккаунта, загрузка и подключение приватного ключа, подготовка программы, написание запроса и сохранение данных в формате JSON. В конце руководства дана ссылка на проект, который можно взять за основу при написании собственных запросов.
На русском Medium найдены две замечательные статьи от начинающего автора. Первая посвящена (VPN) базовому фреймворку для дизайна сплит-теста. Перед тестом следует понять цель и проблему, которую продакт и аналитик хотят решить. Иногда в ходе обсуждения необходимость в тесте отпадает, что уже хорошо. Общий алгоритм запуска теста состоит из 9 пунктов. Следуйте ему и не ошибётесь. Автор разложила по полочкам матчасть A/B-теста, которую полезно освежать время от времени.
Вторая статья посвящена оптимизации CRM стратегий (VPN), а именно – RFM-анализу. Это метод исследования поведения пользователей на основе метрик давности (Recency), частоты (Frequency) и суммы затрат (Montory). Реализовать его относительно просто, при этом эффективность метода высокая. Статья расскажет, как применить RFM-сегментацию, чтобы выстроить стратегии коммуникаций и провести post-hoc анализ.
А также, как на практике создать RFM-сегменты при помощи простых методов статистического анализа и кластеризации алгоритмом k-средних.
#дайджест
Очистка данных – один из ключевых навыков дата саентиста. В статье на Medium автор разобрал (VPN), как распознать 5 ловушек, которые скрывают данные, и не угодить в них. Ловушки бывают разных видов:
- потерянные данные,
- отклоняющиеся значения,
- несогласованные данные,
- проблемы с типом данных,
- дубликаты.
В качестве единого решения автор предлагает перенять культуру написания юнит тестов для автоматизации задач по очистке данных и документировать процесс очистки внутри компании.
Яков Осипенков опубликовал руководство, как Python поможет отправить запросы к API GA4, выгрузить данные по стандартным отчетам и сохранить статистику локально. Алгоритм включает в себя: создание проекта в Google Colab для работы с API, добавление сервисного аккаунта, загрузка и подключение приватного ключа, подготовка программы, написание запроса и сохранение данных в формате JSON. В конце руководства дана ссылка на проект, который можно взять за основу при написании собственных запросов.
На русском Medium найдены две замечательные статьи от начинающего автора. Первая посвящена (VPN) базовому фреймворку для дизайна сплит-теста. Перед тестом следует понять цель и проблему, которую продакт и аналитик хотят решить. Иногда в ходе обсуждения необходимость в тесте отпадает, что уже хорошо. Общий алгоритм запуска теста состоит из 9 пунктов. Следуйте ему и не ошибётесь. Автор разложила по полочкам матчасть A/B-теста, которую полезно освежать время от времени.
Вторая статья посвящена оптимизации CRM стратегий (VPN), а именно – RFM-анализу. Это метод исследования поведения пользователей на основе метрик давности (Recency), частоты (Frequency) и суммы затрат (Montory). Реализовать его относительно просто, при этом эффективность метода высокая. Статья расскажет, как применить RFM-сегментацию, чтобы выстроить стратегии коммуникаций и провести post-hoc анализ.
А также, как на практике создать RFM-сегменты при помощи простых методов статистического анализа и кластеризации алгоритмом k-средних.
#дайджест
❤10
Сегодня обсудим фреймворки для работы с метриками.
В данном контексте под фреймворком понимают набор правил для управления метриками, их систематизации и выявления взаимосвязи друг с другом.
🌟Метрика Полярной звезды (North Star Metric) – инструмент определения главной метрики, отражающей ключевую ценность продукта. Считается, что компания, которая нашла NSM и обуздала ее, точно достигнет целей. На деле NSM подойдет для конкретной фичи или стратегии.
В качестве примера NSM можно привести метрику часов просмотра контента в месяц для онлайн-кинотеатра.
Чтобы найти NSM, нужно:
🔹Определить ключевое направление бизнеса – привлечение, транзакции или продуктивность;
🔹Выявить 3-5 ключевых показателя эффективности (KPI) - метрики, развивающие это направление;
🔹Определить NSM, которая будет воплощать в себе все KPI.
🌲Иерархия или древо метрик – инструмент декомпозиции главной метрики на другие, повышающие главный показатель. Построение начинается с главной метрики. Часто это NSM. При ее поиске мы уже заложили основу иерархии: сразу от NSM идут KPI, затем – метрики, повышающие KPI. Обычно достаточно построить 4-5 уровней в иерархии. Для адекватного контроля нужно, чтобы каждая вышележащая метрика зависела только от ее нижних метрик.
Иерархия помогает узнать причины изменения метрик, приоритизировать бэклог и проводить приемку релизов.
🔺Пирамида метрик – следующий этап классификации с учетом целей метрик, заложенных в слои. Каждый бизнес выделяет свои слои. Обычно наверху лежат метрики бизнеса и маржинальности, а ниже – продуктовые и маркетинговые. Иерархия метрик уже заложена в слои пирамиды.
Главное правило пирамиды: верхние бизнес-метрики не должны падать, даже если метрики более низких уровней растут. Например, если YouTube совсем уберет рекламу из видео, скорее всего количество пользователей и просмотров увеличится, но метрики маржинальности упадут, и бизнес потеряет прибыль. Пирамида учитывает взгляд как со стороны бизнеса, так и клиента, и удерживает все показатели в поле зрения.
#метрики
В данном контексте под фреймворком понимают набор правил для управления метриками, их систематизации и выявления взаимосвязи друг с другом.
🌟Метрика Полярной звезды (North Star Metric) – инструмент определения главной метрики, отражающей ключевую ценность продукта. Считается, что компания, которая нашла NSM и обуздала ее, точно достигнет целей. На деле NSM подойдет для конкретной фичи или стратегии.
В качестве примера NSM можно привести метрику часов просмотра контента в месяц для онлайн-кинотеатра.
Чтобы найти NSM, нужно:
🔹Определить ключевое направление бизнеса – привлечение, транзакции или продуктивность;
🔹Выявить 3-5 ключевых показателя эффективности (KPI) - метрики, развивающие это направление;
🔹Определить NSM, которая будет воплощать в себе все KPI.
🌲Иерархия или древо метрик – инструмент декомпозиции главной метрики на другие, повышающие главный показатель. Построение начинается с главной метрики. Часто это NSM. При ее поиске мы уже заложили основу иерархии: сразу от NSM идут KPI, затем – метрики, повышающие KPI. Обычно достаточно построить 4-5 уровней в иерархии. Для адекватного контроля нужно, чтобы каждая вышележащая метрика зависела только от ее нижних метрик.
Иерархия помогает узнать причины изменения метрик, приоритизировать бэклог и проводить приемку релизов.
🔺Пирамида метрик – следующий этап классификации с учетом целей метрик, заложенных в слои. Каждый бизнес выделяет свои слои. Обычно наверху лежат метрики бизнеса и маржинальности, а ниже – продуктовые и маркетинговые. Иерархия метрик уже заложена в слои пирамиды.
Главное правило пирамиды: верхние бизнес-метрики не должны падать, даже если метрики более низких уровней растут. Например, если YouTube совсем уберет рекламу из видео, скорее всего количество пользователей и просмотров увеличится, но метрики маржинальности упадут, и бизнес потеряет прибыль. Пирамида учитывает взгляд как со стороны бизнеса, так и клиента, и удерживает все показатели в поле зрения.
#метрики
👍23❤2
Свежий дайджест с запахом мандаринов и надвигающихся праздников.
Руководитель команды аналитики Mail в VK рассказал о внутреннем инструменте для работы с данными. Сервис копит знания о событиях в виде слабоструктурированных данных с формализованным описанием. Ребята нестандартно подошли к организации реестра событий: вместо того, чтобы хранить события в Confluence или Google Sheets, они запилили собственный сервис. Его главная польза – сокращение Time-to-Market в продуктах с большим легаси. Автор объяснил, как сервис работает изнутри и как выглядит снаружи. Технари найдут для себя полезные ссылки на статьи о хранении данных.
Другие ребята из Mail рассказали о собственной платформе для проведения A/B-тестов. Недавно она обзавелась полноценной расчетной архитектурой, которая позволяет масштабировать сложность расчетов. Всегда интересно посмотреть, как крупные компании реализуют архитектуру собственных сервисов, а не берут готовое с рынка. Платформа собирает события из всех метрик и размещает их в поюзерной таблице. Для расчетов используется Spark. Ребята добавили аналитический репозиторий со статистическими формулами и скриптами для расчета метрик и кумулятивной таблицы. Теперь, как в лучших традициях self-service, аналитики могут обращаться к репозиторию с минимальным участием разработки.
Инструменты самообслуживания для BI появились в 90-ых, однако до сих пор глобальный уровень внедрения BI составляет 26%. Почему так? Чтобы в компании наступила data-демократия, компания сама должна стать data-driven. Автор блога на Medium (VPN) постулирует три столпа data-driven организации – фреймворк, компоненты компании (люди, процессы и инструменты) и правильные действия. В качестве фреймворка автор строит иерархию потребностей для аналитики по аналогии с пирамидой Маслоу. Основу иерархии составляет сбор данных, а на верхушке – прогнозирование и автоматизация. Чем выше вы поднимаетесь по пирамиде, тем большее доверие к данным одновременно необходимо и обеспечено.
#дайджест
Руководитель команды аналитики Mail в VK рассказал о внутреннем инструменте для работы с данными. Сервис копит знания о событиях в виде слабоструктурированных данных с формализованным описанием. Ребята нестандартно подошли к организации реестра событий: вместо того, чтобы хранить события в Confluence или Google Sheets, они запилили собственный сервис. Его главная польза – сокращение Time-to-Market в продуктах с большим легаси. Автор объяснил, как сервис работает изнутри и как выглядит снаружи. Технари найдут для себя полезные ссылки на статьи о хранении данных.
Другие ребята из Mail рассказали о собственной платформе для проведения A/B-тестов. Недавно она обзавелась полноценной расчетной архитектурой, которая позволяет масштабировать сложность расчетов. Всегда интересно посмотреть, как крупные компании реализуют архитектуру собственных сервисов, а не берут готовое с рынка. Платформа собирает события из всех метрик и размещает их в поюзерной таблице. Для расчетов используется Spark. Ребята добавили аналитический репозиторий со статистическими формулами и скриптами для расчета метрик и кумулятивной таблицы. Теперь, как в лучших традициях self-service, аналитики могут обращаться к репозиторию с минимальным участием разработки.
Инструменты самообслуживания для BI появились в 90-ых, однако до сих пор глобальный уровень внедрения BI составляет 26%. Почему так? Чтобы в компании наступила data-демократия, компания сама должна стать data-driven. Автор блога на Medium (VPN) постулирует три столпа data-driven организации – фреймворк, компоненты компании (люди, процессы и инструменты) и правильные действия. В качестве фреймворка автор строит иерархию потребностей для аналитики по аналогии с пирамидой Маслоу. Основу иерархии составляет сбор данных, а на верхушке – прогнозирование и автоматизация. Чем выше вы поднимаетесь по пирамиде, тем большее доверие к данным одновременно необходимо и обеспечено.
#дайджест
👍14
Что происходит на рынке продуктовых и дата-аналитиков?
Мои друзья из NEWHR очень любят аналитиков и регулярно проводят полезные исследования зарплат и тенденций: 2019г, 2020г, 2022г.
Профессии продуктового и дата-аналитика — среди самых востребованных на рынке. Ребята предлагают узнать, как они изменились в 2023 году и в том числе — как поменялись зарплаты и за счёт чего. А ещё они хотят выяснить, чего сейчас аналитики ждут от работодателей.
🕒 Анкета рассчитана на 20-25 минут. Ответив на простые вопросы, вы сможете рассказать про себя и позже узнать, как обстоят дела у других.
Специалисты выскажутся + работодатели узнают честное мнение = никто не пострадает!
Неважно, как называется ваша должность и где вы сейчас проживаете. Если вы считаете себя продуктовым или дата-аналитиком, то пройдите опрос сами и скиньте коллегам 🙌
Будет суперактуально и тем, кто в найме, и тем, кто нанимает сам.
👉 Пройти опрос
Мои друзья из NEWHR очень любят аналитиков и регулярно проводят полезные исследования зарплат и тенденций: 2019г, 2020г, 2022г.
Профессии продуктового и дата-аналитика — среди самых востребованных на рынке. Ребята предлагают узнать, как они изменились в 2023 году и в том числе — как поменялись зарплаты и за счёт чего. А ещё они хотят выяснить, чего сейчас аналитики ждут от работодателей.
🕒 Анкета рассчитана на 20-25 минут. Ответив на простые вопросы, вы сможете рассказать про себя и позже узнать, как обстоят дела у других.
Специалисты выскажутся + работодатели узнают честное мнение = никто не пострадает!
Неважно, как называется ваша должность и где вы сейчас проживаете. Если вы считаете себя продуктовым или дата-аналитиком, то пройдите опрос сами и скиньте коллегам 🙌
Будет суперактуально и тем, кто в найме, и тем, кто нанимает сам.
👉 Пройти опрос
👍6🤔2
Привет, друзья!
Новый год уже почти на пороге, и это отличный повод для того, чтобы пожелать всего самого лучшего в нашем сложном, но увлекательном мире аналитики данных!
Пусть ваши А/В тесты всегда окрашиваются в зеленый цвет успеха, а трекинг будет всегда настроен так безукоризненно, что каждый байт информации будет работать для вас!
Желаю, чтобы ваши ключевые метрики не просто росли, а стремительно взлетали вверх! И конечно же, чтобы ваша зарплата росла вместе с ними!
Верьте в свои силы, не останавливайтесь на достигнутом и всегда идите вперед! Ваша работа важна и ценна.
С наступающим Новым годом🎄
Новый год уже почти на пороге, и это отличный повод для того, чтобы пожелать всего самого лучшего в нашем сложном, но увлекательном мире аналитики данных!
Пусть ваши А/В тесты всегда окрашиваются в зеленый цвет успеха, а трекинг будет всегда настроен так безукоризненно, что каждый байт информации будет работать для вас!
Желаю, чтобы ваши ключевые метрики не просто росли, а стремительно взлетали вверх! И конечно же, чтобы ваша зарплата росла вместе с ними!
Верьте в свои силы, не останавливайтесь на достигнутом и всегда идите вперед! Ваша работа важна и ценна.
С наступающим Новым годом🎄
❤31👍4
📌 Навигация
Я – Роман Романчук и это канал про аналитику, данные и все, что с этим связано.
👤Опыт
В сфере digital c 2008 года – начинал как вебмастер, далее SEO и контекстная реклама, что в итоге привело меня в аналитику.
Имею опыт работы как в российских, так и в международных финтех проектах на позициях от рядового аналитика до директора аналитики (Сравни, Xsolla, Т-Банк).
С 2016 года начал вести блог «This is Data», где по мере погружения в тему описывал интересные кейсы с которыми приходилось сталкиваться.
Telegram-канал появился в 2018 году, но служил в основном для анонсов новых статей. Сейчас мой фокус изменился – вместо больших и объемных публикаций в блоге, будет много небольших постов в канале (статьи несомненно останутся, но реже).
❓Зачем
Я считаю, что информация и любые знания должны быть бесплатны и доступны каждому.
Именно поэтому мной был создан онлайн-курс «Digital-аналитика», который пару лет признавался лучшим курсом для новичков.
#️⃣ Теги
#дайджест – недельная подборка интересного
#статья – авторская статья в блоге
#опыт – кейсы из моего опыта
#книга – полезная книга
#мысли – размышления о разном
#метрики – серия постов про метрики
#аномалии – серия постов про странности в данных
#новости – обозреваю новости из мира аналитики
#eda – про исследовательский анализ данных
📝 Любимые публикации
• Учимся применять оконные функции
• Как правильно вычислить среднее значение?
• Матрица компетенций аналитиков данных
📄 Нанимаю
Почти всегда я нанимаю. Если ты аналитик с практическим опытом от 1.5 лет, то присылай резюме.
Даже если сейчас нет открытых вакансий, то они наверняка появятся позже.
✉️ Обратная связь
Вопросы к постам давайте обсуждать в комментариях, благо они всегда открыты.
Предложить новость или статью для публикации в канале, отправить резюме – @romanchuk_roman
Мой LinkedIn.
🚀 Boost
Проголосовать за канал – boost.
Я – Роман Романчук и это канал про аналитику, данные и все, что с этим связано.
👤Опыт
В сфере digital c 2008 года – начинал как вебмастер, далее SEO и контекстная реклама, что в итоге привело меня в аналитику.
Имею опыт работы как в российских, так и в международных финтех проектах на позициях от рядового аналитика до директора аналитики (Сравни, Xsolla, Т-Банк).
С 2016 года начал вести блог «This is Data», где по мере погружения в тему описывал интересные кейсы с которыми приходилось сталкиваться.
Telegram-канал появился в 2018 году, но служил в основном для анонсов новых статей. Сейчас мой фокус изменился – вместо больших и объемных публикаций в блоге, будет много небольших постов в канале (статьи несомненно останутся, но реже).
❓Зачем
Я считаю, что информация и любые знания должны быть бесплатны и доступны каждому.
Именно поэтому мной был создан онлайн-курс «Digital-аналитика», который пару лет признавался лучшим курсом для новичков.
#️⃣ Теги
#дайджест – недельная подборка интересного
#статья – авторская статья в блоге
#опыт – кейсы из моего опыта
#книга – полезная книга
#мысли – размышления о разном
#метрики – серия постов про метрики
#аномалии – серия постов про странности в данных
#новости – обозреваю новости из мира аналитики
#eda – про исследовательский анализ данных
📝 Любимые публикации
• Учимся применять оконные функции
• Как правильно вычислить среднее значение?
• Матрица компетенций аналитиков данных
📄 Нанимаю
Почти всегда я нанимаю. Если ты аналитик с практическим опытом от 1.5 лет, то присылай резюме.
Даже если сейчас нет открытых вакансий, то они наверняка появятся позже.
✉️ Обратная связь
Вопросы к постам давайте обсуждать в комментариях, благо они всегда открыты.
Предложить новость или статью для публикации в канале, отправить резюме – @romanchuk_roman
Мой LinkedIn.
🚀 Boost
Проголосовать за канал – boost.
❤39🔥6👍5
This is Data pinned «📌 Навигация Я – Роман Романчук и это канал про аналитику, данные и все, что с этим связано. 👤Опыт В сфере digital c 2008 года – начинал как вебмастер, далее SEO и контекстная реклама, что в итоге привело меня в аналитику. Имею опыт работы как в российских…»
Дайджест снова в строю!
По информации компании Gartner, 69% руководителей команд аналитики и данных затрудняются измерить реальные значения ROI для дата проектов. Причина в том, что команды оторваны от бизнеса и не умеют правильно определять KPI для данных. Поэтому многие дата проекты заканчиваются провалом. Автор на Medium (VPN) проанализировала 5 препятствий на пути к ROI и рассказала, как укротить их. Во-первых, руководитель должен понимать приоритеты совета директоров и закладывать их в KPI. В идеале, он сам должен участвовать в постановке бизнес-стратегий. Во-вторых, команда должна научиться измерять свое влияние на бизнес и включить этот навык в рабочие обязанности.
Визуализация сегодня – это не просто создание графиков, а убедительное повествование, которое способствует принятию решений. Автор статьи (VPN) выделяет традиционные инструменты, такие как Power BI и Tableau, а также недавно появившиеся ChartGPT и Infogram. Каждый из них имеет сильные и слабые стороны. Автор обрисовывает возникшие тенденции в сфере. Например, «AI», слово 2023 года по версии словаря английского языка «Collins», сможет автоматизировать анализ данных, распознавать закономерности и генерировать идеи.
На Хабре найдена дорожная карта для начинающего дата-саентиста. Я бы прошел мимо, если бы не детальность программы обучения. Автор выделяет 5 областей для изучения, такие как теория вероятностей и языки программирования R и Python. Для каждой из них он приводит список важных тем и ссылок на ресурсы. Не проходите мимо! Сейчас самое время залатать дыры в собственном обучении.
Гостевая статья в блоге Симо посвящена языку программирования R, на котором автор строит конвейер данных в Google Cloud Platform для объединения данных из Google Ads и GA4. Автор использует несколько базовых элементов: API-коннекторы, учетные записи сервисов и запросы. Даже если вы не поняли всех частей этой машины, надеюсь, вы сможете оценить, как элегантно она экспортирует объединенные данные в хранилище BigQuery.
#дайджест
По информации компании Gartner, 69% руководителей команд аналитики и данных затрудняются измерить реальные значения ROI для дата проектов. Причина в том, что команды оторваны от бизнеса и не умеют правильно определять KPI для данных. Поэтому многие дата проекты заканчиваются провалом. Автор на Medium (VPN) проанализировала 5 препятствий на пути к ROI и рассказала, как укротить их. Во-первых, руководитель должен понимать приоритеты совета директоров и закладывать их в KPI. В идеале, он сам должен участвовать в постановке бизнес-стратегий. Во-вторых, команда должна научиться измерять свое влияние на бизнес и включить этот навык в рабочие обязанности.
Визуализация сегодня – это не просто создание графиков, а убедительное повествование, которое способствует принятию решений. Автор статьи (VPN) выделяет традиционные инструменты, такие как Power BI и Tableau, а также недавно появившиеся ChartGPT и Infogram. Каждый из них имеет сильные и слабые стороны. Автор обрисовывает возникшие тенденции в сфере. Например, «AI», слово 2023 года по версии словаря английского языка «Collins», сможет автоматизировать анализ данных, распознавать закономерности и генерировать идеи.
На Хабре найдена дорожная карта для начинающего дата-саентиста. Я бы прошел мимо, если бы не детальность программы обучения. Автор выделяет 5 областей для изучения, такие как теория вероятностей и языки программирования R и Python. Для каждой из них он приводит список важных тем и ссылок на ресурсы. Не проходите мимо! Сейчас самое время залатать дыры в собственном обучении.
Гостевая статья в блоге Симо посвящена языку программирования R, на котором автор строит конвейер данных в Google Cloud Platform для объединения данных из Google Ads и GA4. Автор использует несколько базовых элементов: API-коннекторы, учетные записи сервисов и запросы. Даже если вы не поняли всех частей этой машины, надеюсь, вы сможете оценить, как элегантно она экспортирует объединенные данные в хранилище BigQuery.
#дайджест
❤10
При разговоре о фреймворках для работы с метриками я умолчал про главное – цель. Перед выбором метрик и NSM, мы должны сформулировать, в каком состоянии мы хотим оказаться после предпринятых действий. Иначе говоря, нужно понять цель и результаты, которые оповестят о ее достижении. Лучший способ поставить цель – это OKR.
Стратегия OKR зародилась в 1970-х годах в Intel и повсеместно заменила менее демократичную практику управления целями (MBO). Согласно МВО, руководитель устанавливает цели и распределяет задачи между сотрудниками, тогда как в OKR сотрудники сами ставят цели и задачи на основе высокоуровневых бизнес-целей.
OKR (Objectives & Key Results) – методика постановки целей, для каждой из которых прописывают ключевые результаты.
Правильно внедренная OKR – это:
✔️Четкая и прозрачная цель на оговоренный срок
✔️Понятные задачи
✔️Измеримые результаты
✔️Регулярная проверка прогресса
В результате команда вовлечена в работу, сфокусирована на задачах, которые хочется достигать.
🎯Цель (Objective) должна быть достижимой, но при этом амбициозной, а значит чуть выше ваших возможностей. Например, в Google 60-70% достижения цели – это самый лучший результат. Если вы выполнили OKR на 100%, значит занизили цель, если на 40% – переоценили силы.
👍🏻Ключевые результаты (Key Results) – это мера достижения цели. Они всегда измеримы и их значение меняется по мере движения к цели. В KR включают метрики (чаще всего из древа метрик) и действия. К каждой цели выбирают 3-4 KR, но не более 5, чтобы не потерять фокус.
OKR связана с Древом метрик и NSM. Цель ставят «снизу вверх»: сначала выбирают KR, затем называют цель. Цели OKR по иерархии лежат под NSM и ведут к ней. Иногда за цель берут KPI.
Большая часть KR – это метрики из дерева. Чтобы выбрать нужные метрики, анализируют их иерархию. За KR берут:
🔹Цепочку из дочерних метрик в дереве
🔹Метрики из разных узлов дерева
Иногда в KR можно включать другие метрики, не лежащие в дереве. Также в KR пишут конкретные действия, например открыть 10 пунктов выдачи заказов.
#метрики
Стратегия OKR зародилась в 1970-х годах в Intel и повсеместно заменила менее демократичную практику управления целями (MBO). Согласно МВО, руководитель устанавливает цели и распределяет задачи между сотрудниками, тогда как в OKR сотрудники сами ставят цели и задачи на основе высокоуровневых бизнес-целей.
OKR (Objectives & Key Results) – методика постановки целей, для каждой из которых прописывают ключевые результаты.
Правильно внедренная OKR – это:
✔️Четкая и прозрачная цель на оговоренный срок
✔️Понятные задачи
✔️Измеримые результаты
✔️Регулярная проверка прогресса
В результате команда вовлечена в работу, сфокусирована на задачах, которые хочется достигать.
🎯Цель (Objective) должна быть достижимой, но при этом амбициозной, а значит чуть выше ваших возможностей. Например, в Google 60-70% достижения цели – это самый лучший результат. Если вы выполнили OKR на 100%, значит занизили цель, если на 40% – переоценили силы.
👍🏻Ключевые результаты (Key Results) – это мера достижения цели. Они всегда измеримы и их значение меняется по мере движения к цели. В KR включают метрики (чаще всего из древа метрик) и действия. К каждой цели выбирают 3-4 KR, но не более 5, чтобы не потерять фокус.
OKR связана с Древом метрик и NSM. Цель ставят «снизу вверх»: сначала выбирают KR, затем называют цель. Цели OKR по иерархии лежат под NSM и ведут к ней. Иногда за цель берут KPI.
Большая часть KR – это метрики из дерева. Чтобы выбрать нужные метрики, анализируют их иерархию. За KR берут:
🔹Цепочку из дочерних метрик в дереве
🔹Метрики из разных узлов дерева
Иногда в KR можно включать другие метрики, не лежащие в дереве. Также в KR пишут конкретные действия, например открыть 10 пунктов выдачи заказов.
#метрики
👍11🤔2❤1
За окном самый разгар зимы, а у нас очередной утренний дайджест.
Яндекс показал карту технических навыков ML-разработчика. Ребята изучили запросы пользователей по теме машинного обучения, и отобрали те, на которые Яндекс выдавал ссылку на Stack Overflow. На карте отмечены навыки, которые запрашивали пользователи, а их размер отражает популярность запроса. Нажав на навык, можно увидеть динамику популярности навыка по годам. Самые трендовые навыки 2023 года – langchain среди библиотек и LLM среди ML-технологий.
Автор блога на Хабр визуализировал данные банковских транзакций и показал, на что люди тратят деньги в течении дня. Получилась вполне ожидаемая статистика: люди обедают в кафе, после работы покупают продукты, а на выходных отдыхают и кутят в барах. Подобная статистика – пример Data-журналистики. Автор вдохновлялся работой Nathan Yau, в которой исследователь проанализировал один день 1 000 американцев и визуализировал, как обычный человек проводит свои 24 часа жизни.
Дизайнер на Хабр рассказал, как подбирать цвета для палитры визуализации данных в профессиональных интерфейсах. В первую очередь цвета графиков и таблиц должны отвечать базовым критериям:
🔹 Быть контрастными по отношению к фону и друг к другу;
🔹 Одинаково отображаться на разных устройствах;
🔹 Сочетаться с базовой палитрой системы.
Автор выдает базу по основам цветовой теории, объясняет секрет цветового круга Иттена и Web Safe палитры. В конце дизайнер рекомендует, какие цвета лучше использовать в графиках с несколькими классами данных.
Автор блога на Medium (VPN) объединил мощь Power BI и креативность Canva и создал стильную тему для дэшборда. Веб-платформа Canva (VPN) славится простотой создания графики и нацелена на людей, которых одно только упоминание Photoshop погружает в депрессию. У платформы есть бесплатный тариф и его достаточно для создания широкого спектра дизайнов. Статья пошагово разбирает, как создать макет в Canva, выгрузить его в PNG формате и добавить как фон в Power BI.
#дайджест
Яндекс показал карту технических навыков ML-разработчика. Ребята изучили запросы пользователей по теме машинного обучения, и отобрали те, на которые Яндекс выдавал ссылку на Stack Overflow. На карте отмечены навыки, которые запрашивали пользователи, а их размер отражает популярность запроса. Нажав на навык, можно увидеть динамику популярности навыка по годам. Самые трендовые навыки 2023 года – langchain среди библиотек и LLM среди ML-технологий.
Автор блога на Хабр визуализировал данные банковских транзакций и показал, на что люди тратят деньги в течении дня. Получилась вполне ожидаемая статистика: люди обедают в кафе, после работы покупают продукты, а на выходных отдыхают и кутят в барах. Подобная статистика – пример Data-журналистики. Автор вдохновлялся работой Nathan Yau, в которой исследователь проанализировал один день 1 000 американцев и визуализировал, как обычный человек проводит свои 24 часа жизни.
Дизайнер на Хабр рассказал, как подбирать цвета для палитры визуализации данных в профессиональных интерфейсах. В первую очередь цвета графиков и таблиц должны отвечать базовым критериям:
🔹 Быть контрастными по отношению к фону и друг к другу;
🔹 Одинаково отображаться на разных устройствах;
🔹 Сочетаться с базовой палитрой системы.
Автор выдает базу по основам цветовой теории, объясняет секрет цветового круга Иттена и Web Safe палитры. В конце дизайнер рекомендует, какие цвета лучше использовать в графиках с несколькими классами данных.
Автор блога на Medium (VPN) объединил мощь Power BI и креативность Canva и создал стильную тему для дэшборда. Веб-платформа Canva (VPN) славится простотой создания графики и нацелена на людей, которых одно только упоминание Photoshop погружает в депрессию. У платформы есть бесплатный тариф и его достаточно для создания широкого спектра дизайнов. Статья пошагово разбирает, как создать макет в Canva, выгрузить его в PNG формате и добавить как фон в Power BI.
#дайджест
👍11❤2
Google полностью отключит сторонние файлы cookie в Chrome к 3 кварталу 2024 года
Google продолжает работать над блокировкой сторонних файлов cookie в Google Chrome и планирует полностью отключить доступ к ним в Q3 2024 года. В связи с этим компания запустила пробную версию прекращения поддержки сторонних файлов cookie и уже ограничила third-party для 1% пользователей. Пробная версия позволит сайтам, которые используют cookie в нерекламных целях, запросить дополнительное время на отказ от сторонних файлов. Об этом сообщается в справке Google.
Дал комментарий по этой животрепещущей теме для PPC World:
Получить больше информации о том что делать, а также познакомиться с мнением экспертов рынка можно в статье.
Google продолжает работать над блокировкой сторонних файлов cookie в Google Chrome и планирует полностью отключить доступ к ним в Q3 2024 года. В связи с этим компания запустила пробную версию прекращения поддержки сторонних файлов cookie и уже ограничила third-party для 1% пользователей. Пробная версия позволит сайтам, которые используют cookie в нерекламных целях, запросить дополнительное время на отказ от сторонних файлов. Об этом сообщается в справке Google.
Дал комментарий по этой животрепещущей теме для PPC World:
Чем грозит маркетологам, аналитикам и владельцам сайтов?
Файлы cookie – это небольшие фрагменты данных, которые используются для хранения информации в веб-браузерах. Их цель варьируется от полезной (отслеживание вашего входа на сайт, персонализация контента) до спорной с точки зрения конфиденциальности (снятие цифровых отпечатков пальцев).
Существуют основные и сторонние (third-party) файлы cookie. Основные файлы cookie хранятся на самом веб-сайте. Сторонние файлы cookie хранятся отдельными сервисами, которые отслеживают пользователей и эффективность маркетинга, например аналитические или рекламные трекеры.
Главное внимание здесь уделяется сторонним файлам cookie. Основные файлы cookie в настоящее время не подвергаются риску.
Инициатива Google по защите от отслеживания является частью их Privacy Sandbox for the Web. Долгосрочная цель – удалить все сторонние файлы cookie из браузеров Chrome к концу 2024 года.
Важно отметить, что это изменение затрагивает 1% пользователей Chrome (несколько десятков миллионов человек), что относительно незначительно, учитывая, что примерно 30% браузеров, таких как Safari и Firefox, уже не поддерживают сторонние cookie.
Этот небольшой процент вряд ли приведет к значительным изменениям в среде маркетологов, которые скорее просто скорректируют свои стратегии оптимизации трафика для браузеров Chrome, все еще использующих файлы cookie.
Тем не менее, эта разработка должна послужить тревожным сигналом для активизации усилий по тестированию решений без файлов cookie. Если мы сможем идентифицировать этот 1% затронутых браузеров Chrome, это может дать ценную информацию об эффективности решений работающих без cookie.
Вероятные последствия
Если говорить о последствиях в целом для маркетинга и аналитики при отказе от сторонних cookie, то:
▪️увеличится доля «новых» пользователей на сайте;
▪️увеличится доля прямого трафика;
▪️снизится качество атрибуции и уменьшится длинна цепочки;
▪️станет сложнее строить отчеты по когортам;
▪️вырастет стоимость привлечения клиента;
▪️уменьшится охват ретаргетинговых компаний.
Как подготовиться?
Готовиться надо было раньше, потому что Apple в той или иной форме ограничивает сторонние cookie, по крайней мере, с 2017 года.
Но если вы этого еще не сделали, то вот несколько советов:
✔️собирайте все возможные данные о своих пользователях и рекламных кампаниях в единое хранилище (DWH), чтобы данные контролировались вами, а не сторонними сервисами;
✔️собранные данные должны быть не агрегированными, а максимально сырыми, для возможности в дальнейшем построить fingerprint;
✔️мотивируйте пользователей авторизовываться на сайте и оставлять о себе дополнительную информацию, которая пригодится для построения цифрового профиля клиента и отслеживания конверсий;
✔️стройте собственный цифровой профиля клиента содержащий данные из всех возможных источников – аналитические и рекламные трекеры, маркетинговые системы, CRM, собственные данные пользователя;
✔️на основе накопленных данных стройте свои отчеты, атрибуцию и сегменты.
А с точки зрения пользователя?
То что плохо для аналитиков и маркетологов, хорошо для пользователя 🙃
Конфиденциальность повысится, Google обещает k-анонимность: если у вас анонимность k=1000, вас невозможно отличить от 999 других людей в наборе данных.
Получить больше информации о том что делать, а также познакомиться с мнением экспертов рынка можно в статье.
👍7🤔7🔥1
Дайджест в ленту!
В блоге Amplitude вышла свежая статья о еще одном фреймворке для работы с метриками – AARRR или Acquisition (привлечение), Activation (активация), Retention (удержание), Referral (рекомендация) и Revenue (выручка). Фреймворк также называют «Пиратскими метриками», потому что при взгляде на название так и хочется закричать: «Aarrr, matey!». Он внедряется на этапе масштабирования бизнеса, когда готова рабочая бизнес-модель и подтверждено, что продукт нужен клиентам. Главная задача AARRR – замотивировать команду продвигать и оптимизировать продукт, а не пилить новые фичи. Из статьи вы узнаете, как работает фреймворк и как он помогает понять поведение пользователя на каждом этапе воронки. Автор советует конкретные пиратские метрики. Например, за метрики привлечения можно взять «Количество новых регистраций» и CAC, а за реферальную метрику – «Количество приглашений, разосланных активными пользователями».
Яков Осипенков у себя в блоге разобрал, что такое сеанс в GA4. Он также сравнил отличия показателей сеанса в Universal Analytics и GA4. Оказалось, что одинаковых цифр вы не получите, так как расчет происходит по-разному:
🔹Сеанс в UA закрывался в полночь, а в GA4 сеансы могут длиться несколько дней и при этом считаться одним и тем же сеансом.
🔹Новые сеансы в UA создавались всегда, когда изменялся источник трафика. В GA4 такого переопределения нет.
🔹Для расчета сеансов в GA4 используется не только показатель отказов, но и новая метрика, связанная с вовлечением – «Сеанс в взаимодействием».
Ppc.world провел исследование аудитории 9 крупнейших соцсетей в России на 2024 год. В статье собраны данные об ее характеристиках, поведении, а также о рекламе на площадках. Например, ВК лидирует в рейтинге соцсетей по объему аудитории c MAU в 85 млн, при этом превалирует женская аудитория – 62%. Телеграм держит вторую строчку с MAU 82 млн. Распределение по полу: 58% мужчин и 42% женщин. Данные обещают обновлять весь год.
#дайджест
В блоге Amplitude вышла свежая статья о еще одном фреймворке для работы с метриками – AARRR или Acquisition (привлечение), Activation (активация), Retention (удержание), Referral (рекомендация) и Revenue (выручка). Фреймворк также называют «Пиратскими метриками», потому что при взгляде на название так и хочется закричать: «Aarrr, matey!». Он внедряется на этапе масштабирования бизнеса, когда готова рабочая бизнес-модель и подтверждено, что продукт нужен клиентам. Главная задача AARRR – замотивировать команду продвигать и оптимизировать продукт, а не пилить новые фичи. Из статьи вы узнаете, как работает фреймворк и как он помогает понять поведение пользователя на каждом этапе воронки. Автор советует конкретные пиратские метрики. Например, за метрики привлечения можно взять «Количество новых регистраций» и CAC, а за реферальную метрику – «Количество приглашений, разосланных активными пользователями».
Яков Осипенков у себя в блоге разобрал, что такое сеанс в GA4. Он также сравнил отличия показателей сеанса в Universal Analytics и GA4. Оказалось, что одинаковых цифр вы не получите, так как расчет происходит по-разному:
🔹Сеанс в UA закрывался в полночь, а в GA4 сеансы могут длиться несколько дней и при этом считаться одним и тем же сеансом.
🔹Новые сеансы в UA создавались всегда, когда изменялся источник трафика. В GA4 такого переопределения нет.
🔹Для расчета сеансов в GA4 используется не только показатель отказов, но и новая метрика, связанная с вовлечением – «Сеанс в взаимодействием».
Ppc.world провел исследование аудитории 9 крупнейших соцсетей в России на 2024 год. В статье собраны данные об ее характеристиках, поведении, а также о рекламе на площадках. Например, ВК лидирует в рейтинге соцсетей по объему аудитории c MAU в 85 млн, при этом превалирует женская аудитория – 62%. Телеграм держит вторую строчку с MAU 82 млн. Распределение по полу: 58% мужчин и 42% женщин. Данные обещают обновлять весь год.
#дайджест
👍6❤1
Методика OKR – классная вещь. В нее стоит погружаться, ощущать тонкости и внедрять в проекты. Для дальнейшего изучения я советую эту книгу.
📚 Измеряйте самое важное. Как Google, Intel и другие компании добиваются роста с помощью OKR
англ. Measure What Matters: How Google, Bono, and the Gates Foundation rock the world with OKRs
Автор: Джон Дорр / John Doerr
Джон Дорр – американский инвестор и венчурный капиталист. Впервые он познакомился с OKRs в 1970-х годах, когда работал инженером в Intel. В то время компанию возглавлял ее сооснователь – легендарный Энди Гроув, сумевший вывести Intel из кризиса, вызванного появлением на рынке более дешевых японских модулей памяти и ошибкой в процессоре Pentium. История возрождения корпорации стала хрестоматийной и вошла в учебники по бизнесу как пример эффективных действий.
По рекомендации Джона Дорра в 1999 году систему OKR внедрила тогда еще начинающая компания Google. Вскоре ее начали применять известные менеджеры: от Билла Гейтса до Боно из U2. Где бы ни внедрялась методика, она работала.
Как и сами OKRs, книга состоит из двух взаимодополняющих частей. Первая рассматривает основные характеристики системы и то, как она превращает хорошие идеи в блестящее исполнение и удовлетворенность работой. Книга начинается историей возникновения OKR в Intel, а после перерастает в обсуждение четырех «суперсил» OKR: обозначение приоритетов, синхронизация, мониторинг и стремление к выдающимся результатам.
Вторая часть книги посвящена применению и влиянию OKR в новом корпоративном мире. В частности, Дорр рассказывает про младшего брата OKR – CFR. Методика расшифровывается как Conversation или обсуждение, Feedback или обратная связь и Recognition или признание. OKR и CFR могут объединить усилия и вывести лидеров, сотрудников и организации на новый уровень.
🔗Купить печатную версию на русском языке можно, например, на Литрес.
Оригинал ищите на Амазоне.
#книга
📚 Измеряйте самое важное. Как Google, Intel и другие компании добиваются роста с помощью OKR
англ. Measure What Matters: How Google, Bono, and the Gates Foundation rock the world with OKRs
Автор: Джон Дорр / John Doerr
Джон Дорр – американский инвестор и венчурный капиталист. Впервые он познакомился с OKRs в 1970-х годах, когда работал инженером в Intel. В то время компанию возглавлял ее сооснователь – легендарный Энди Гроув, сумевший вывести Intel из кризиса, вызванного появлением на рынке более дешевых японских модулей памяти и ошибкой в процессоре Pentium. История возрождения корпорации стала хрестоматийной и вошла в учебники по бизнесу как пример эффективных действий.
По рекомендации Джона Дорра в 1999 году систему OKR внедрила тогда еще начинающая компания Google. Вскоре ее начали применять известные менеджеры: от Билла Гейтса до Боно из U2. Где бы ни внедрялась методика, она работала.
Как и сами OKRs, книга состоит из двух взаимодополняющих частей. Первая рассматривает основные характеристики системы и то, как она превращает хорошие идеи в блестящее исполнение и удовлетворенность работой. Книга начинается историей возникновения OKR в Intel, а после перерастает в обсуждение четырех «суперсил» OKR: обозначение приоритетов, синхронизация, мониторинг и стремление к выдающимся результатам.
Вторая часть книги посвящена применению и влиянию OKR в новом корпоративном мире. В частности, Дорр рассказывает про младшего брата OKR – CFR. Методика расшифровывается как Conversation или обсуждение, Feedback или обратная связь и Recognition или признание. OKR и CFR могут объединить усилия и вывести лидеров, сотрудников и организации на новый уровень.
🔗Купить печатную версию на русском языке можно, например, на Литрес.
Оригинал ищите на Амазоне.
#книга
🔥13👍3❤1